Document Embedding Enhanced Event Detection with Hierarchical and Supervised Attention解读

创新点

本文引入了文档特征来丰富token的信息，单纯依靠本句子的信息有时候未必足够，可以借助其他句子的信息来进行补充，主要就是结合文档级别的信息，加入到原本的ED任务中。具体建模方法如图1，红框就是补充的文档特征信息，最后与其他信息一起concat到LSTM模型中。但从实验结果来看（如图2），在ACE 2005上是所有方法中效果最好的。

模型

1.The EDODEL Module
通过设计良好的分层和监督的注意机制，从单词和句子两个层次学习文档的分布式表示。

2.The DEED Module
根据学习到的文档嵌入，为每个触发器候选对象标记事件类型。

3.Joint Training of the DEEB-RNN model
联合1和2获得最终的损失函数：
J(θ)=∑∀d∈ϕ(J(y,o)+λE w (α ∗ ,α)+µE s (β ∗ ,β)),

效果

见上图2